Update app.py

app.py

@@ -1,34 +1,19 @@
 import streamlit as st
 from transformers import AutoTokenizer, AutoModelForTokenClassification, pipeline
-from sparknlp_display import Display
-from pyspark.sql import SparkSession
 
-# สร้าง Spark Session
-spark = SparkSession.builder \
-    .appName("NER Analysis") \
-    .getOrCreate()
-
-# โหลดโมเดล NER จาก Hugging Face
-model_name = "Nucha/Nucha_SkillNER_BERT"
+# โหลด Tokenizer และ Model
+model_name = "dbmdz/bert-large-cased-finetuned-conll03-english"
 tokenizer = AutoTokenizer.from_pretrained(model_name)
 model = AutoModelForTokenClassification.from_pretrained(model_name)
 
-# สร้าง pipeline สำหรับ NER
+# สร้าง NER Pipeline
 ner_pipeline = pipeline("ner", model=model, tokenizer=tokenizer)
 
 # UI ด้วย Streamlit
-st.title("NER Analysis with Nucha SkillNER BERT and Spark NLP Display")
-
+st.title("NER Analysis App")
 text = st.text_area("Enter text for NER analysis:")
 
 if st.button("Analyze"):
-    # สร้าง pipeline สำหรับ NER
-    ner_results = pipeline("ner", model=model, tokenizer=tokenizer)
-
-    # สร้าง DataFrame สำหรับผลลัพธ์
-    data = [{"word": entity['word'], "start": entity['start'], "end": entity['end'], "label": entity['entity']} for entity in ner_results]
-    ner_df = spark.createDataFrame(data)
-
-    # แสดงผลด้วย sparknlp_display
-    display = Display()
-    st.write(display.display(ner_df, "word", "label"))
+    ner_results = ner_pipeline(text)
+    for entity in ner_results:
+        st.write(f"Entity: {entity['word']}, Label: {entity['entity']}, Score: {entity['score']:.4f}")